关键词： 故障检测   计算机图像处理   通信技术  

摘要： 阐述结合计算机图像处理和通信技术,提出输电线路故障检测和定位的优化方案,包括输电线路图像预处理、图像特征提取、故障检测率提升,以及故障信息传输、实时数据处理、响应时间优化。

关键词： 智能巡检机器人   燃气发电主厂房   图像处理   HM模型   MSER检测  

摘要： 为提升燃气发电主厂房异常报警的精准度,缩短响应时间,提出基于巡检机器人的燃气发电主厂房异常问题图像识别报警方法。利用HM模型处理巡检机器人采集到的图像,提高图像的整体质量。利用MSER检测方法定位设备仪表指针,准确获取设备运行信息。结合统计分析方法和灰度共生矩阵提取设备图像的时空特征,根据时空特征的贡献度,确定燃气发电设备的运行状态,结合异常问题图像判断阈值实现异常识别与报警。实验结果表明,所提方法的图像处理质量高、异常情况识别效果好、报警精准度高、响应时间短,实际应用效果好。

关键词： 动态环境   视觉SLAM   目标检测   动态特征点剔除   稠密点云地图  

摘要： 针对目前同步定位与建图(Simultaneous Localization and Mapping,SLAM)算法在静态环境中表现良好,但在动态环境中容易出现鲁棒性和相机定位精度不足的问题。作者引入基于深度学习的语义信息到SLAM算法中,并提出了资源受限场景下的一种基于目标检测网络的动态视觉SLAM算法Dyna-ORBSLAM3。算法有4个主要线程:语义线程、跟踪线程、局部建图线程、回环检测与地图融合线程。在Dyna-ORBSLAM3的跟踪线程中利用了基于改进YOLOv8的目标检测网络的语义信息并融合几何信息检测去除动态特征点,避免产生错误的数据关联,最后生成不含动态目标的稠密点云地图。选取TUM数据集的动态序列进行实验,结果对比ORB-SLAM3和RDS-SLM,Dyna-ORBSLAM3的绝对轨迹均方根误差降低了84.6%和26.3%,每帧消耗时间仅需30 ms。满足SLAM算法实时运行的要求且较大提高了定位精度。

关键词： 深度学习   目标检测   目标跟踪   船牌识别   图像分类  

摘要： 当前小型渔船监管的信息化水平不高,依赖人工巡查监管存在漏检误检,易导致渔业生产安全隐患。针对此问题,首先,构建了小型渔船的进出港目标识别以及人员安全检查的系列深度学习模型;其次,开发了一套渔船进出港监管系统,实现了渔业生产管理的智能化;最后,将监管系统成功部署,促进了烟台长岛渔业生产监管的智能化。该系统实现了渔船及人员目标检测与轨迹追踪、船牌识别、救生衣穿着检测等功能,并与年审渔船信息以及违禁出海管理等对接,实现对渔船未年审出海、违章载客、未穿救生衣、违禁出海等违规活动的告警。研究工作提高了渔船进出港监管效率,降低了渔业生产的安全隐患。

关键词： 道路工程   路面病害   图像处理   算法优化   CBAM-YOLOv8  

摘要： 为解决基于机器视觉检测路面病害的速度与精度不高、算法优化效果不显著的问题,在YOLOv8算法中引入CBAM模块,并开展消融试验分别引入SE模块和ECA模块,使用开源的RDD 2020数据集训练模型,经图像预处理得到二进制图像。与YOLOv8算法相比,CBAM-YOLOv8算法的精确率、召回率、mAP@0.5、mAP@0.5:0.95均有所提高,而SE-YOLOv8算法和ECA-YOLOv8算法的检测精度较YOLOv8有所降低。进一步通过RDD 2022数据集验证了CBAM-YOLOv8算法在路面病害检测中的优越性。CBAM-YOLOv8算法的应用可以进一步提高路面病害检测的速度和精度,具有显著的优化效果。

关键词： 目标检测   草原生态   机器视觉   鼠洞   YOLOv3模型   YOLOv4模型  

摘要： 鼠洞密度可用于评估草原鼠害发生程度。在近地面鼠洞图片采集与识别中,图像分辨率和拍摄倾角是影响时效性和识别性能的关键因素。为此,设计了带有倾角传感器的图像采集装置,在锡林郭勒草原采集2325张鼠洞图片并进行手工标注,对比分析了3种图片输入尺寸(416 pixel×416 pixel、608 pixel×608 pixel、1024 pixel×1024 pixel)、4类拍摄倾角(21°、32°、41°、51°)、2种目标识别模型(YOLOv3和YOLOv4)对识别性能的影响。结果表明:YOLOv4模型在输入图片尺寸为416 pixel×416 pixel时能取得最优的性能。当拍摄倾角为41°时,识别性能最优;当拍摄倾角为32°时,识别性能最差。与近3年发表的鼠洞识别方法进行对比分析,验证了本文方法的性能先进性。研究结果可为草原鼠害的智能化监测提供技术支撑。

关键词： 模型预测控制   高级自适应化学反应优化算法   目标跟踪   路径规划  

摘要： 为解决多无人机在复杂环境下协同目标跟踪的路径规划问题,提出基于模型预测控制(model predictive control,MPC)和先进自适应化学反应优化(advanced adaptive chemical reaction optimization,AACRO)算法相结合的方法。基于目标跟踪模型,使用集中式MPC作为路径规划问题的实时控制框架,设计5个指标成本函数在多种约束条件下优化跟踪性能,获取无人机的最优跟踪路径;针对上述多维问题的复杂程度,使用一种新型智能算法解算MPC控制策略。仿真结果表明:该方案具备有效性和可行性,对无人机群协同目标跟踪具有重要的应用价值。

关键词： 文本识别   阴影消除   阴影检测   小样本学习   目标检测  

摘要： 阴影消除是计算机视觉领域中面对阴影场景的重要任务,旨在检测和消除图像中的阴影区域。由于图像编辑技术受到阴影图像质量的制约,现有方法利用其他任务中的知识和阴影特性来获得更加有效的特征向量,从而实现阴影消除。在带有文本内容的阴影图像中,由于文本颜色和形状等特征不同于前景和背景,因此可能将文本错误地检测为阴影的一部分进而导致错误的阴影消除结果。针对该问题,提出了一种面向文本识别的小样本阴影消除方法。在小样本目标检测基础框架模型中,利用被错误识别为阴影的文本特征生成基类数据和新类数据,增强对该类文本的特征学习;在部分检测框合并算法中,利用文本本身长宽比多样化、变化大的特性,以多个约束为前提合并结构相关性较强的检测框,实现对目标的正确框定。建立在真实数据与合成数据上的实验结果验证了所提方法的有效性。

关键词： 自动驾驶汽车   三维目标检测   注意力机制   稀疏卷积  

摘要： 为了精确地识别出交通场景下的目标障碍物,考虑到真实道路场景的复杂性和道路安全的重要性,以稀疏嵌入卷积检测(sparsely embedded convolutional detection,SECOND)模型作为基础模型,通过采取自注意力机制获得全局语义信息来增强点云表征能力,采用感兴趣区域(region of interest,RoI)检测头对候选区域生成的三维建议框进行优化,提升其检测精度方法,提出了一种基于自注意力机制的两阶段三维目标检测方法SAR-SECOND检测模型。结果表明:与现有的先进三维目标检测方法相比,SAR-SECOND在KITTI数据集上的检测精度与之不相上下,汽车整体检测精度为82.28%;行人整体精度为51.45%,骑行者整体精度为72.41%。检测结果验证了该方法的有效性。